数据预处理在机器学习中起着至关重要的作用,它可以帮助提高模型的性能、减少过拟合,并改善模型的训练效果。常见的有灰度离散化;图像归一化均值方差、窗宽窗位、最大最小归一化;最大最小截断。
目录
一、灰度离散化
灰度离散化是一种常见的图像预处理技术,用于将连续的灰度值范围划分为若干个离散的区间,从而简化图像数据并减少计算复杂度。在灰度离散化过程中,可以使用不同的方法来将灰度值映射到离散的区间中,常见的方法包括bincount和binwidth。
bincount灰度离散化:使用bincount方法可以统计图像中每个灰度值出现的次数,并将其分配到相应的离散区间中。这种方法可以直观地展示图像中各个灰度级别的分布情况。
binwidth灰度离散化: binwidth方法是将灰